Intelligenza artificiale, autonomia e responsabilità nell’università che cambia
Desidero proporre una riflessione su questo argomento consapevole del fatto che potrebbe innescare un dibattito acceso e fortemente contrapposto. Tuttavia mi sembra che, anche per queste problematiche, il tempo sia ormai maturo per iniziare un percorso di pensiero e di ripensamento di diversi elementi che costituiscono i nostri percorsi scolastici nel mutato contesto tecnologico e non solo.
Una laureanda consegna al relatore un capitolo della propria tesi. Il testo è ordinato, il lessico appropriato, i passaggi ben collegati. Le obiezioni sono anticipate con eleganza e la conclusione restituisce l’impressione di un ragionamento maturo. Poi arriva una domanda: «Perché hai scelto questa interpretazione e non quella alternativa?».
La risposta si fa incerta. Il relatore insiste: «Qual è il passaggio della fonte che sostiene questa affermazione?». La studentessa ricorda di averlo letto, forse in una sintesi. Non saprebbe ritrovarlo. Quando le viene chiesto di ricostruire l’argomento senza guardare il capitolo, emerge una distanza fra la qualità della pagina e la comprensione di chi l’ha presentata.
È una scena ipotetica, non il ritratto di una generazione. La stessa difficoltà potrebbe comparire dopo l’aiuto di un amico, l’acquisto di un elaborato o una lettura superficiale. L’intelligenza artificiale, però, rende questa scena una domanda urgente: che cosa significa imparare quando possiamo ottenere un prodotto convincente prima di avere attraversato il percorso necessario a comprenderlo?
Il problema non riguarda soltanto il plagio. Riguarda il rapporto fra risultato e formazione, fra assistenza e sostituzione, fra il diritto di usare uno strumento e la responsabilità di rispondere di ciò che produciamo. Per chi sta per laurearsi, riguarda anche una questione personale: quale parte della propria competenza si vuole costruire, e quale si è disposti a prendere temporaneamente in prestito?
1. La differenza fra consegnare e imparare
L’università assegna prodotti: relazioni, esercizi, progetti, presentazioni, tesi. Ma il suo obiettivo non dovrebbe esaurirsi nella loro consegna. Attraverso quei prodotti cerca di formare capacità: distinguere un’affermazione da una prova, riconoscere un errore, formulare un problema, sostenere un’obiezione, cambiare idea quando le ragioni lo richiedono.
La distinzione sembra ovvia finché prodotto e percorso rimangono strettamente collegati. Se per scrivere una pagina occorre leggere, selezionare, confrontare e riscrivere, la pagina può offrire indizi sul lavoro svolto. Quando una parte di quelle operazioni viene affidata a un sistema generativo, il legame diventa meno immediato.
Non significa che il prodotto perda necessariamente valore. Una pagina assistita può essere migliore di una pagina scritta senza aiuti. Significa che la sua qualità non basta, da sola, a raccontare la qualità dell’apprendimento. Bisogna domandarsi che cosa abbia fatto lo studente: ha riconosciuto un ragionamento valido, oppure ha accettato un ragionamento che non saprebbe valutare?
Prendiamo due laureandi che consegnano testi ugualmente riusciti. Il primo ha usato l’IA per individuare obiezioni alla propria ipotesi, verificandole sulle fonti. Il secondo le ha chiesto di costruire l’argomentazione e ha corretto qualche frase. Il risultato può apparire simile; il percorso intellettuale è diverso. Un’educazione attenta dovrebbe rendere visibile quella differenza, senza ridurla alla sola domanda: «Hai usato ChatGPT?».
2. Produrre, comprendere, giudicare
Per orientarsi conviene separare tre verbi: produrre, comprendere e giudicare. Produrre significa ottenere qualcosa: un testo, un programma, un grafico, una traduzione. Comprendere sigifica ricostruire relazioni, presupposti e conseguenze. Giudicare significa stabilire se quel prodotto sia corretto, pertinente, sufficiente e appropriato allo scopo.
Queste attività possono intrecciarsi, ma non coincidono. Si può comprendere un argomento e faticare a esporlo. Si può scrivere con sicurezza senza averlo capito. Si può riconoscere una risposta plausibile senza essere capaci di distinguerla da una risposta ingannevole. La fluidità espressiva non costituisce, da sola, una prova di conoscenza.
Nel valutare l’uso universitario dell’IA, dunque, la domanda «Quanto testo ha scritto la macchina?» è necessaria in alcuni contesti, ma insufficiente. Occorre aggiungere: chi ha scelto il problema? Chi ha deciso che la fonte era affidabile? Chi ha individuato il limite? Chi saprebbe riconoscere la condizione nella quale la risposta smette di valere?
Il punto decisivo è questo: la delega della produzione non comporta automaticamente la delega legittima del giudizio. Se firmiamo una relazione, presentiamo una tesi o proponiamo una soluzione, dobbiamo poter rendere conto dei passaggi essenziali. Non occorre avere eseguito personalmente ogni operazione; occorre sapere quali operazioni sostengono il risultato e quali controlli ne giustificano l’accettazione.
3. Che cosa suggerisce la ricerca sul pensiero critico
Un contributo utile viene da uno studio presentato alla conferenza CHI del 2025, firmato da Hao-Ping Lee e colleghi. I ricercatori hanno interrogato 319 lavoratori della conoscenza, raccogliendo 936 esempi di utilizzo dell’IA generativa nelle attività professionali. L’obiettivo era capire quando i partecipanti dichiarassero di esercitare il pensiero critico e come percepissero lo sforzo richiesto.
Tra i risultati emerge un’associazione significativa sul piano interpretativo: una maggiore fiducia nell’IA era collegata a un minore esercizio dichiarato del pensiero critico; una maggiore fiducia nelle proprie capacità relative al compito era invece associata a un maggiore esercizio. Lo studio descrive inoltre uno spostamento dell’attività critica verso la verifica delle informazioni, l’integrazione delle risposte e la supervisione complessiva del lavoro.
Questi risultati non autorizzano a scrivere che «l’IA rende stupidi». Lo studio riguarda esperienze autoriferite di professionisti: non misura direttamente un deterioramento delle capacità cognitive, non dimostra una relazione causale e non permette di trasferire automaticamente le conclusioni ai laureandi. Trasformarlo in una sentenza generale significherebbe commettere proprio l’errore di lettura critica che vorremmo evitare.
Resta tuttavia una domanda importante: se ci fidiamo molto dello strumento e poco delle nostre possibilità di valutarlo, quanto saremo inclini a interrogarne le risposte? Per l’università è una questione centrale. Lo studente è precisamente qualcuno che sta ancora costruendo le competenze necessarie a esercitare quel controllo.
4. Il paradosso del principiante
Qui incontriamo un paradosso. Per utilizzare bene un assistente molto capace, sembra necessario possedere già una parte della competenza che vorremmo acquisire grazie al suo aiuto. Per verificare una dimostrazione occorre conoscere la matematica pertinente; per controllare un’interpretazione bisogna comprendere il dibattito; per valutare codice occorre sapere quali comportamenti osservare.
Il principiante, però, non dispone ancora pienamente di questi strumenti. Può formulare domande sincere, leggere risposte dettagliate e non riconoscere il punto nel quale una spiegazione diventa imprecisa. Anche chiedere «Sei sicuro?» non costituisce una verifica indipendente: è un’altra interazione con lo stesso interlocutore, non il confronto con un’evidenza esterna.
Non ne deriva che il principiante debba essere escluso dall’uso dell’IA. Ne deriva piuttosto una proposta educativa: l’autonomia nell’utilizzo dovrebbe crescere insieme alla capacità di controllo. Nelle prime fasi possono servire fonti circoscritte, esercizi delimitati, verifiche con il docente e richieste che mantengano visibili i passaggi intermedi.
Per un laureando, una regola ragionevole potrebbe essere questa: più una risposta riguarda un punto che non sai valutare, meno dovresti considerarla conclusiva. Può diventare una pista da esplorare, una formulazione da discutere o una domanda da portare al relatore. Non dovrebbe trasformarsi, per il solo fatto di essere ben scritta, nell’autorità finale del tuo lavoro.
5. La fatica da eliminare e quella da conservare
Una discussione seria deve evitare di celebrare la fatica in quanto tale. Non ogni difficoltà educa. Ricopiare dati, correggere ripetutamente un’impaginazione o cercare una funzione mal documentata può sottrarre tempo senza produrre una comprensione proporzionata. Rendere più agevoli alcune operazioni può essere una scelta sensata.
Ma non tutta la fatica è un ostacolo estraneo all’apprendimento. Cercare una definizione adeguata, distinguere due interpretazioni simili, riscrivere un paragrafo perché il ragionamento non regge: queste difficoltà possono coincidere con ciò che stiamo cercando di imparare. Eliminarle senza sostituirle con altre attività rischia di cambiare la natura dell’esercizio.
La domanda utile, quindi, non è: «Questo strumento mi fa risparmiare tempo?». È: «Quale lavoro mi sta risparmiando?». Se l’obiettivo è valutare un’argomentazione, delegarne interamente la costruzione e la revisione potrebbe privarci dell’occasione di esercitarci. Se l’obiettivo è presentare risultati già compresi, un aiuto espositivo può avere una funzione diversa.
Propongo di chiamare questa distinzione economia della fatica formativa. Non dobbiamo proteggere ogni passaggio tradizionale; dobbiamo identificare i passaggi che costruiscono la competenza desiderata. Un docente e uno studente possono discutere apertamente quali operazioni automatizzare e quali mantenere. Sarebbe una conversazione più utile della contrapposizione fra chi difende ogni vecchio esercizio e chi considera ogni accelerazione un progresso.
6. Un interlocutore che mette alla prova
L’IA può entrare nel lavoro universitario con ruoli differenti. Può essere incaricata di fornire un prodotto oppure invitata a mettere in difficoltà una proposta dello studente. La differenza non sta soltanto nella forma del comando, ma nel tipo di attività che resta all’essere umano.
Consideriamo due richieste. La prima: «Scrivi mille parole a sostegno di questa tesi». La seconda: «Questa è la mia argomentazione. Individua un presupposto discutibile e formula la migliore obiezione che riesci a costruire». Nel secondo caso, lo studente conserva almeno il compito di comprendere la critica, verificarne la pertinenza e decidere come rispondere.
Non presenterei questa pratica come una tecnica universalmente dimostrata efficace. È una proposta da valutare attraverso il lavoro concreto. Può essere utile soltanto se il confronto non termina con l’accettazione automatica dell’obiezione generata. Anche la critica può essere superficiale, fuori tema o basata su una lettura inadeguata. Il giudizio non scompare: cambia oggetto.
La guida UNESCO sull’IA generativa nell’educazione e nella ricerca offre un orientamento coerente: partire da un’impostazione centrata sulle persone, dalla validazione pedagogica e dalla tutela dell’autonomia, invece di assumere che la disponibilità della tecnologia ne giustifichi qualsiasi uso. Lo strumento deve essere inserito in una finalità educativa esplicita, non diventare esso stesso la finalità.
7. La fonte non è la frase che la racconta
Un passaggio essenziale riguarda il rapporto con le fonti. Nel lavoro accademico non basta possedere una formulazione convincente: occorre poter ricostruire da dove venga, che cosa sostenga davvero e quali limiti abbia. Una sintesi può orientare la lettura; non dovrebbe diventare un sostituto invisibile del documento sul quale si fonda una conclusione importante.
Immaginiamo che un assistente attribuisca a un autore una posizione netta. Prima di inserirla in tesi, il laureando dovrebbe trovare il testo pertinente, leggerne il contesto e chiedersi se l’attribuzione sia giustificata. Il controllo non consiste nel verificare soltanto che il nome dell’autore o il titolo esistano. Consiste nel valutare il rapporto fra fonte e affermazione.
Lo stesso vale per la ricerca scientifica. Dire che uno studio «dimostra» qualcosa è diverso dal dire che rileva un’associazione, propone un modello o riporta una percezione. Nel caso dello studio sul pensiero critico, perdere la distinzione fra comportamento dichiarato e capacità misurata modifica sostanzialmente ciò che possiamo concludere.
Per questo suggerirei una disciplina minima: ogni affermazione decisiva deve avere un percorso di verifica ricostruibile. Non ogni frase richiede un’indagine smisurata, ma ciò da cui dipende il ragionamento merita un controllo diretto. Se non riusciamo a trovare o comprendere la fonte, dobbiamo ridimensionare l’affermazione, segnalarne l’incertezza oppure rinunciare a usarla.
8. Tre laureandi davanti alla stessa responsabilità
Consideriamo tre situazioni ipotetiche. Un laureando in ingegneria utilizza l’IA per proporre una soluzione progettuale. Un’aspirante storica le chiede di sintetizzare un dibattito. Un laureando in economia si fa aiutare a interpretare un insieme di dati. Le discipline cambiano, ma la domanda fondamentale rimane: quali ragioni rendono accettabile il risultato?
L’ingegnere non dovrebbe fermarsi all’eleganza della soluzione. Dovrebbe saper esplicitare ipotesi, vincoli, condizioni d’impiego e verifiche necessarie. La storica dovrebbe distinguere la posizione dei singoli autori dalla ricostruzione proposta dal sistema. L’economista dovrebbe controllare che le conclusioni siano compatibili con i dati e con il metodo adottato.
In tutti e tre i casi, «lo ha detto l’IA» non risolve il problema della giustificazione. Può descrivere un passaggio del processo, ma non spiega perché dovremmo credere alla conclusione. La responsabilità consiste precisamente nell’individuare le ragioni pertinenti e nel riconoscere quando non ne possediamo abbastanza.
Non si tratta di pretendere onniscienza. Anche un professionista competente si affida ad altri, usa strumenti e lavora entro limiti. La differenza sta nel modo in cui gestisce quella dipendenza: quali controlli esegue, quali competenze coinvolge, quali incertezze dichiara. La formazione universitaria dovrebbe preparare a questa responsabilità situata, non all’illusione di poter fare tutto da soli.
9. Trasparenza senza confessionali tecnologici
La trasparenza sull’uso dell’IA è necessaria, ma può essere concepita male. Un elenco rituale di strumenti, privo di spiegazioni, rischia di offrire poca informazione. Anche la semplice etichetta «testo assistito dall’IA» non chiarisce se l’aiuto abbia riguardato la grammatica, la traduzione, l’analisi o la costruzione della tesi.
Una dichiarazione utile dovrebbe descrivere la funzione svolta. Per esempio: «Ho utilizzato un sistema generativo per proporre obiezioni preliminari; le fonti sono state selezionate e controllate direttamente». Oppure: «Lo strumento ha suggerito modifiche al codice, successivamente esaminate e sottoposte alle verifiche indicate». Queste formulazioni hanno senso solo se corrispondono al processo reale.
Naturalmente lo studente deve attenersi alle regole del proprio corso e del proprio ateneo. La proposta non è sostituire i regolamenti con un criterio personale, ma chiedere che le regole rendano comprensibili le differenze fra gli usi. Un divieto specifico per una prova può essere coerente con il suo obiettivo; un’autorizzazione non equivale a un’esenzione dal controllo.
La domanda educativa dovrebbe diventare: «Quale contributo hai dato, quale contributo hai ricevuto e come hai verificato il risultato?». Non un confessionale tecnologico, dunque, ma una descrizione ragionata del lavoro. Rendere visibili le decisioni può permettere di discutere la competenza meglio di quanto faccia una generica dichiarazione di innocenza o di entusiasmo.
10. Cambiare la valutazione, non soltanto sorvegliarla
Se il prodotto finale non racconta più sufficientemente il percorso, l’università può reagire chiedendo nuove prove del percorso. Non necessariamente più burocrazia, più pagine o più controlli indiscriminati. Potrebbe chiedere passaggi selezionati che mostrino come una conclusione sia stata costruita e discussa.
Una breve difesa orale, la spiegazione di una scelta metodologica, il confronto fra due bozze o la discussione di una fonte possono diventare occasioni di valutazione. Il loro valore dipende dal progetto didattico: non sono formule magiche e non devono trasformare ogni attività in un interrogatorio. Servono a osservare la capacità che si intende accertare.
Immaginiamo una consegna che chieda non soltanto un saggio, ma anche un paragrafo su un’idea scartata e sulle ragioni dell’abbandono. Oppure un esercizio nel quale lo studente debba individuare un errore in una risposta generata e spiegare come lo ha verificato. L’attenzione si sposta dalla presenza dello strumento alla qualità delle decisioni.
Questa direzione è compatibile con l’invito UNESCO a valutare gli strumenti e progettarne l’impiego in modo pedagogicamente ed eticamente motivato. Non basta introdurre un servizio e chiamare innovazione ciò che accade dopo: bisogna esplicitare che cosa si vuole migliorare e come accertarlo.
11. Accesso, privacy e condizioni reali
Un’università non può discutere soltanto dell’uso ideale dell’IA. Deve considerare le condizioni concrete nelle quali gli studenti la incontrano. Quali strumenti sono disponibili? Quali dati vengono inseriti? Che cosa si chiede a chi non può o non vuole utilizzare un servizio esterno? Quali alternative restano praticabili?
La guida UNESCO include fra le proprie preoccupazioni la protezione dei dati, l’equità e la necessità di una cornice istituzionale coerente. Questo amplia il problema: un impiego educativo non si valuta soltanto dalla bontà apparente della risposta, ma anche dalle condizioni entro cui quella risposta viene ottenuta.
Per una tesi, proporrei di distinguere almeno fra materiale pubblico, materiale non ancora pubblicato e informazioni riferite a persone. Prima di caricare documenti di ricerca, interviste o dati riservati, lo studente dovrebbe verificare autorizzazioni, condizioni del servizio e indicazioni dell’istituzione. La comodità dell’interfaccia non deve essere scambiata per un’autorizzazione all’uso dei contenuti.
La stessa attenzione dovrebbe guidare le richieste dei docenti. Se un’attività dipende da uno strumento, occorre chiarire come accedervi e quali opzioni esistano. Altrimenti rischiamo di valutare insieme competenza disciplinare, disponibilità economica e familiarità con un servizio, senza dichiararlo. È una questione di progettazione equa prima ancora che di entusiasmo o diffidenza verso la tecnologia.
12. Verso il lavoro: la competenza non è un accessorio
Per chi sta per laurearsi, il problema non termina con l’esame finale. Un elaborato universitario può diventare il primo luogo nel quale imparare a collaborare con strumenti capaci di produrre proposte che non possiamo accettare senza valutazione. La sfida professionale può essere formulata così: usare l’assistenza senza perdere la capacità di accorgersi quando serve fermarsi.
Non occorre immaginare un futuro nel quale nessuno scriverà o calcolerà più. Basta considerare una situazione plausibile: un’organizzazione chiede un risultato in poco tempo e mette a disposizione un sistema generativo. Chi possiede competenza potrà interrogare il risultato, circoscriverlo, chiedere verifiche. Chi dispone soltanto della capacità di ottenere risposte rischierà di non sapere che cosa manca.
Il lavoro critico descritto dalla ricerca di Lee e colleghi — verifica delle informazioni, integrazione delle risposte, supervisione del compito — rende visibile questo punto. L’automazione di una parte della produzione non cancella necessariamente il lavoro intellettuale; può spostarlo. Ma tale spostamento richiede capacità che non si ottengono semplicemente aprendo un’interfaccia.
L’università dovrebbe allora evitare una scorciatoia seducente: dichiarare superflui gli apprendimenti di base perché uno strumento sa eseguirne alcune operazioni. La domanda da porre è quali conoscenze permettano di controllare gli strumenti, e come costruirle attraverso esercizi adeguati. Non meno formazione, dunque, ma una riflessione più precisa sulla sua funzione.
13. Un patto personale per non delegare tutto
Un laureando può trasformare questi interrogativi in un piccolo patto di lavoro. Non una ricetta universale, ma un insieme di criteri espliciti. Il primo potrebbe essere: prima di chiedere una soluzione, provo a descrivere il problema con parole mie. Questo rende visibile il punto dal quale parto e ciò che non ho capito.
Il secondo: quando ricevo una risposta, distinguo quello che comprendo da quello che sto soltanto riconoscendo come plausibile. Il terzo: verifico sulle fonti originali le affermazioni da cui dipende la conclusione. Il quarto: se utilizzo codice, calcoli o interpretazioni assistite, preparo controlli pertinenti invece di affidarmi alla sola spiegazione prodotta dallo strumento.
Il quinto criterio riguarda l’esposizione: so ricostruire l’argomento senza leggere la risposta? Non occorre ripeterla a memoria. Occorre saper spiegare perché una conclusione segua, quali alternative esistano e quali elementi potrebbero modificarla. Se questa spiegazione manca, il compito non è necessariamente fallito, ma la comprensione richiede ancora lavoro.
Infine, un criterio di trasparenza: descrivo l’aiuto ricevuto secondo le regole applicabili e senza attribuirmi attività non svolte. L’obiettivo non è dimostrare una purezza impossibile. È mantenere un rapporto onesto fra ciò che presento, ciò che so e ciò di cui posso assumermi la responsabilità. La fiducia nel proprio lavoro comincia anche da questa proporzione.
14. La libertà di dire «non lo so ancora»
Esiste una tentazione sottile: utilizzare la disponibilità di una risposta per cancellare troppo presto l’esperienza del non sapere. Eppure, nell’università, «non lo so ancora» dovrebbe essere una frase legittima. Può indicare un limite riconosciuto, un problema ben formulato, una ricerca che sta cominciando.
Il rischio educativo non è che una macchina ci offra una proposta. È che smettiamo di distinguere fra avere a disposizione una proposta e possedere una ragione sufficiente per accettarla. Da qui nasce una forma particolare di dipendenza: non l’impossibilità di lavorare senza lo strumento, ma l’incapacità di riconoscere quando lo strumento non basta.
Conservare l’autonomia non significa quindi rifiutare ogni aiuto. Significa poter dissentire, sospendere il giudizio, cambiare fonte, chiedere una verifica competente. Significa sapere che una risposta può essere utile senza essere definitiva e che una spiegazione può essere chiara senza essere corretta. Sono disposizioni da esercitare anche nei confronti di libri, docenti e istituzioni.
L’IA non inventa il problema dell’autorità: lo rende particolarmente visibile. A chi attribuiamo credibilità? Per quali ragioni? Con quali controlli? Un laureando che impari a porre queste domande non sta soltanto imparando a usare una tecnologia. Sta costruendo un modo di abitare il sapere senza confondere la fiducia con la rinuncia a comprendere.
Conclusione — Restare responsabili delle proprie risposte
Torniamo alla scena iniziale. La laureanda non sa difendere il proprio capitolo. Il problema non si risolve chiedendole di promettere che non userà più l’IA, né celebrando il testo perché formalmente riuscito. Bisogna riportare l’attenzione sul passaggio mancante: che cosa deve ancora capire per poter fare davvero proprio quel ragionamento?
Potrà rileggere la fonte, ricostruire l’obiezione, correggere la conclusione, ammettere che una parte non regge. Potrà anche usare l’IA durante questo percorso, se consentito e con controlli appropriati. Ma il criterio del progresso non sarà la rapidità con cui ottiene un’altra versione. Sarà la sua crescente capacità di spiegare, valutare e scegliere.
La domanda «Il pensiero è ancora nostro?» non richiede una difesa romantica della mente isolata. Pensiamo attraverso linguaggi, relazioni, libri e strumenti. La questione è quale rapporto manteniamo con questi aiuti: se ci permettono di partecipare più consapevolmente al ragionamento oppure ci consegnano conclusioni che non sappiamo interrogare.
Per chi sta per laurearsi, la sfida non è dimostrare di poter fare tutto senza macchine. È diventare qualcuno che sa che cosa chiedere, che cosa controllare e quando non accettare una risposta. La competenza decisiva non sarà possedere sempre l’ultima parola, ma poter rendere ragione delle parole che scegliamo di fare nostre. È in questa responsabilità, più che nella solitudine dell’esecuzione, che il pensiero può restare nostro.
Immagini generate tramite ChatGPT. Tutti i diritti sono riservati. Università di Torino (2026).
